114
Partie II : Matériels et méthodes
Chapitre VII : Évaluation de la vulnérabilité
côtière
VII.1.1 Analyse du type de l’occupation du sol
Plusieurs auteurs recommandent l’intégration des variables socio-économiques dans le calcul
de l’IVC. Ces variables ajoutent une valeur inhérente à l'indice. Gornitz et al. (2001) suggèrent
que "... c'est la valeur sociale et économique perçue des ressources dans la région à risque qui
déterminera quels efforts, le cas échéant, seront faits pour protéger une zone donnée...". Dans
notre contexte d’étude, nous avons évalué les variables socio-économiques par le biais de la
détection, la cartographie et l’analyse du type d’occupation du sol.
En vue de détecter les types d’occupation du sol, cinq classes ont été choisies (figure VII.2)
afin d’effectuer la classification supervisée des images Pléiades ; ces types ont été décrits et définis
par McLauglin et al. 2011. Des approches (PBIA, OBIA) ainsi que les algorithmes de classification
(RF, SVM, et CNN), exposés et décrits dans le chapitre III, ont été appliqués et comparés sur la
base des données de vérification « échantillons de validation ». Ainsi, la méthode qui a permis
l’extraction la plus fine avec le minimum de confusion a été retenue (tableau VII.1).
Afin de comparer la qualité de la classe d’occupation du sol qui résulte de chacune des
méthodes, un ensemble d’échantillons de validation a été créé sur le territoire étudié.
Le tableauVII.1 synthétise la qualité de chacune des méthodes et indique que la classification
orientée objet (OBIA) en utilisant l’algorithme RF, ainsi que la nouvelle approche intégrée CNNOBIA sont celles qui ont révélé plus de pertinence.
Figure VII.2: La nomenclature des classes pour la détection des types
d’occupation du sol.
Partie II : Matériels et méthodes
Chapitre VII : Évaluation de la vulnérabilité
côtière
VII.1.1 Analyse du type de l’occupation du sol
Plusieurs auteurs recommandent l’intégration des variables socio-économiques dans le calcul
de l’IVC. Ces variables ajoutent une valeur inhérente à l'indice. Gornitz et al. (2001) suggèrent
que "... c'est la valeur sociale et économique perçue des ressources dans la région à risque qui
déterminera quels efforts, le cas échéant, seront faits pour protéger une zone donnée...". Dans
notre contexte d’étude, nous avons évalué les variables socio-économiques par le biais de la
détection, la cartographie et l’analyse du type d’occupation du sol.
En vue de détecter les types d’occupation du sol, cinq classes ont été choisies (figure VII.2)
afin d’effectuer la classification supervisée des images Pléiades ; ces types ont été décrits et définis
par McLauglin et al. 2011. Des approches (PBIA, OBIA) ainsi que les algorithmes de classification
(RF, SVM, et CNN), exposés et décrits dans le chapitre III, ont été appliqués et comparés sur la
base des données de vérification « échantillons de validation ». Ainsi, la méthode qui a permis
l’extraction la plus fine avec le minimum de confusion a été retenue (tableau VII.1).
Afin de comparer la qualité de la classe d’occupation du sol qui résulte de chacune des
méthodes, un ensemble d’échantillons de validation a été créé sur le territoire étudié.
Le tableauVII.1 synthétise la qualité de chacune des méthodes et indique que la classification
orientée objet (OBIA) en utilisant l’algorithme RF, ainsi que la nouvelle approche intégrée CNNOBIA sont celles qui ont révélé plus de pertinence.
Figure VII.2: La nomenclature des classes pour la détection des types
d’occupation du sol.